Fugu-MT 論文翻訳(概要): End-to-end Alexa Device Arbitration

論文の概要: End-to-end Alexa Device Arbitration

arxiv url: http://arxiv.org/abs/2112.04914v1
Date: Wed, 8 Dec 2021 16:43:13 GMT
ステータス: 処理完了
システム内更新日: 2021-12-11 01:41:11.122087
Title: End-to-end Alexa Device Arbitration
Title（参考訳）: エンドツーエンドのAlexaデバイス調停
Authors: Jarred Barber, Yifeng Fan, Tao Zhang
Abstract要約: 我々は、デバイス調停と呼ばれる話者ローカライゼーション問題の変種を導入する。完全なローカライズ問題を解決する代わりに,エンド・ツー・エンドの機械学習システムを提案する。
参考スコア（独自算出の注目度）: 8.288509945512665
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a variant of the speaker localization problem, which we call device arbitration. In the device arbitration problem, a user utters a keyword that is detected by multiple distributed microphone arrays (smart home devices), and we want to determine which device was closest to the user. Rather than solving the full localization problem, we propose an end-to-end machine learning system. This system learns a feature embedding that is computed independently on each device. The embeddings from each device are then aggregated together to produce the final arbitration decision. We use a large-scale room simulation to generate training and evaluation data, and compare our system against a signal processing baseline.
Abstract（参考訳）: 本稿では,デバイス調停と呼ぶ話者定位問題の変種について紹介する。デバイス調停問題において、ユーザが複数の分散マイクロホンアレイ(スマートホームデバイス)によって検出されるキーワードを発話し、どのデバイスがユーザに最も近いかを判断したい。完全なローカライズ問題を解決するのではなく、エンドツーエンドの機械学習システムを提案する。このシステムは各デバイスで独立して計算される機能埋め込みを学習する。各デバイスからの埋め込みを集約して最終的な仲裁判定を生成する。我々は,大規模ルームシミュレーションを用いてトレーニングおよび評価データを生成し,本システムと信号処理ベースラインを比較した。

関連論文リスト

Bisimulation Learning [55.859538562698496]
我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
論文参考訳（メタデータ） (2024-05-24T17:11:27Z)
Federated Linear Bandit Learning via Over-the-Air Computation [42.69435493503121]
サーバと複数のデバイスから構成される無線システムにおけるコンテキスト線形帯域学習について検討する。主な目的は、有限時間地平線内のすべてのデバイスにおける累積的後悔を最小限にすることである。本稿では、各デバイスがアナログ信号を送信し、サーバがチャネルノイズによって歪んだこれらの信号の重畳を受信する、カスタマイズされた線形バンディット方式を提案する。
論文参考訳（メタデータ） (2023-08-25T10:47:37Z)
UNSSOR: Unsupervised Neural Speech Separation by Leveraging Over-determined Training Mixtures [60.879679764741624]
残響状態においては、各マイクは異なる場所で複数の話者の混合信号を取得する。我々は、$textbfu$nsupervised $textbfn$euralのアルゴリズムUNSSORを提案する。この損失は、教師なし話者の分離を促進することが示される。
論文参考訳（メタデータ） (2023-05-31T17:28:02Z)
On Differential Privacy for Federated Learning in Wireless Systems with Multiple Base Stations [90.53293906751747]
複数の基地局とセル間干渉を持つ無線システムにおける連合学習モデルを考える。本稿では,学習過程の収束挙動を,その最適性ギャップの上限を導出することによって示す。提案するスケジューラは,ランダムなスケジューラと比較して予測平均精度を向上する。
論文参考訳（メタデータ） (2022-08-25T03:37:11Z)
Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文参考訳（メタデータ） (2022-07-03T06:57:07Z)
Towards Group Learning: Distributed Weighting of Experts [31.564788318133264]
ノイズの多い情報源の集合からの信号の集約は、クラウドソーシング、マルチエージェント計画、センサーネットワーク、信号処理、投票、アンサンブル学習、フェデレーション学習など、多くの領域において基本的な問題である。我々は、専門家の最適な重み付けのための既知の結果に基づいて、特定の条件下で、準最適メカニズムのアンサンブルが最適に実行可能であることを証明した。
論文参考訳（メタデータ） (2022-06-03T00:29:31Z)
Federated Learning Based on Dynamic Regularization [43.137064459520886]
本稿では,ニューラルネットワークモデルを分散学習するための新しいフェデレーション学習手法を提案する。サーバは、各ラウンドでランダムに選択されたデバイスのサブセット間の協力を編成する。
論文参考訳（メタデータ） (2021-11-08T03:58:28Z)
Federated Learning with Downlink Device Selection [92.14944020945846]
我々は,無線ネットワークのエッジにおいて,プライバシーに敏感なデータを用いてグローバルモデルを協調訓練するフェデレーションエッジ学習について検討した。パラメータサーバ(PS)は、グローバルモデルを追跡し、無線エッジデバイスと共有して、プライベートローカルデータを使用したトレーニングを行う。デバイス選択は、PSがデバイスとグローバルモデルを共有するダウンリンクチャネルに基づいて検討する。
論文参考訳（メタデータ） (2021-07-07T22:42:39Z)
Consensus Based Multi-Layer Perceptrons for Edge Computing [0.0]
リッチな分散データから学ぶためには、新しいアルゴリズムが必要である。資源制約デバイスに対するコンセンサスに基づく多層パーセプトロンを提案する。
論文参考訳（メタデータ） (2021-02-09T18:39:46Z)
A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文参考訳（メタデータ） (2020-03-18T05:56:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。